脳波と集中力の関係につい
1
目次
研究概要について
用語について
実験の概要について
・実験の推論
・問題を解いたときとEEGとの変化について
結論
2
研究意義
集中力と脳波がどのように関係しているかを
Muse-S(EEG測定器)を使用する。
集中力を可視化することで、活動や休息をは
じめとした様々なイベントを正しく選択する
ことで、人生設計を最適化する。
https://goodbrain.jp/mus
es/
Muse-
S
3
AF7 AF8
TP9 TP10
測定部位
用語説明
脳波(EEG)について
α波、θ派、β波の3種類の周波数帯の振幅を比較
EEGエージェント指数(β/(α+θ))は高いほど集中力
は上がる
脳の部位について
・今回はTP9(左側後頭部)TP10(右側後頭)
AF7(左前頭前野寄り)AF8(右前頭前野より)の4箇所
で測定
https://www.bedroom.co.jp/contents/wp-
content/uploads/2023/02/%E8%84%B3%
E6%B3%A2%E3%81%AE%E7%A8%AE
%E9%A1%9E.jpg(写真)
Fpz
用語解説 https://naraamt.or.jp/Academic
/kensyuukai/2005/kirei/nouha_
mon/fig/002_2.gif
https://mind-
monitor.com/blog
s/muse-
headband-
electrode-
positions/
用語説明
縦軸
https://encrypted-
tbn0.gstatic.com/images?q=tbn:ANd9GcR
DndGab7f0h8WeF5soETH2vmXPSK_GH
aGflA&s
AF系(前頭部) 意図的な集中やタスク中の能動的な脳活動
TP系(側頭部) 感覚刺激やリラックス・無意識状態の記録
電極 脳の部位 主な役割・関連機能
AF7 / AF8 前頭前野(前側:おでこ
の上)
意思決定、注意、思考、
集中力、感情制御
TP9 / TP10 側頭葉後部(耳の後ろ) 聴覚処理、記憶、リラッ
クス状態の把握など
実験の予想
実験の予想 左脳AF7 / TP9右脳AF8 / TP10
前頭部(AF7, AF8
計算操作処理(掛け
算反射)
連続的注意
緊張・焦りに反応
β波上昇で「集中しす
ぎて崩れる」ことも
後頭部(TP9, TP10数字の視認(左下)
入力位置を目で追う
ミスに対する警戒
入力位置の不安による
緊張反応
左脳AF7 / TP9右脳AF8 / TP10
前頭部(AF7, AF8多段論理処理
セル位置ごとの反復
全体構造の統合が難
しく、混乱や焦燥感(緊
張)へ
後頭部(TP9, TP10数値記号の視覚保持
掛ける数の目視
空間的配置
合成視覚情報の統合
保持力
実験1
3×3行列の掛け算の暗算をする。
TPAFの脳波を計測スペクトログラム
まだ実験内容に関しては改善の余地あり
簡易Webサイトでログ確認(右上QR
8
実験結果1-1
9
実験結果1-2
10
実験結果
TPα波、θ波成分とAFβ波成分
を調べ、その時の値からEEGデー
タを取得して、グラフを作成
赤線が問題を解いたとき
まだ実験内容に関しては改善の余
地あり(標本数や難易度差)
EEGエンゲージメント指数の参考文
献(Pope, A. T., Bogart, E. H., &
Bartolome, D. S. (1995).
Biocybernetic system evaluates
indices of operator engagement in
automated task environments.
Biological Psychology, 40(12), 187
195.
TPα波、θ波成分とAFβ波成分
上のグラフを使い導いたEEGエージェント指数
11
実験2
100マス計算(掛け算)をする。
TPα波、θ波成分とAFβ波成分を調べ、その
時の値からEEGデータを取得して、グラフを作成
実験結果から、EEGデータとどのような相関があ
るか
まだ実験内容に関しては改善の余地あり
簡易Webサイトで実験内容をログ化(↑QR
12
実験結果2-1
13
実験結果2-2
14
エンゲージメント指数の時系列
15
回帰曲線の探求
EEGエンゲージメント指数をx(t)=β(t)/(α(t)+θ(t))
タスクの効率をyとして
y=f(x(t))dtとなるfを見つける。
F(x)=x
F(x)=Alog(bx+1)
16
F(x)=xとしたとき、
全体のEEG指数時間積分
ーーーーーーーー
↓2こぶを分ける
17
関数での最適化
・問題の難易度はほぼ同じなので、
全て難易度1に近い分布をつくるfであればいい。
(∫F(x(t))dt-1)²を最小にするようにL-BFGS-B法で最適化
・ミスにより労力が2倍になることあり。
例:計算ミス
入力ミス
問題の見間違え
18
19
F(x)=0.18595log(2.38506x+1)
20
反省(実験設定)
標本数をもっと大きくする
形式も多様にする
21
実験結果からわかること
EEGエンゲージメント指数は信頼に足る。
F(x)=log(x+1)が比較的信頼できそう。
22
おまけ(文学)
推し、燃ゆ/宇佐美りん
ウィズザビートルズ/村上春樹
(東京都同情塔/九段理江)
力強い表現が胸に刺
さる。
AF7(左脳)のθ、α波
が活発
AF8(右脳)のβ波が活
推し、燃ゆ/宇佐美り
ウィズザビートルズ/
上春樹
美化された思い出の少女を追求する
主人公と、その偶像を仮託しようと
するサヨコとの対比が、読んでいて
苦しくなった。
俯瞰視できる読みやすい文。(→α
・θ?)
せっかく読んだのにデ
ータがとれてなかった
ので一人で泣いた
作品自体は小説に生成
AIを用いる話題作。
川賞に似つかわしい革
新的な文学。
東京都同情塔/九段
理江
結論
Muse-Sから得られる脳波データや、EEG指数は今回の目
的において信頼できるものである。
最後に、各タスクの進捗効率とEEG指数の関係を追及す
るべきだ。もし、100マス演算のような作業でlog(x+1)
近い回帰曲線が有用ならば、短期的な高いEEG指数より
も、長期的で低いEEG指数を維持できる、落ち着いた精
神状態の方が効果はあるだろう。
いずれにせよ信頼性を高めるにはもっと多くの標本と多
様な実験が必要だ。
27
参考文献
https://www.sciencedirect.com/science/article/pi
i/0301051195051163?via%3Dihub
Pope, A. T., Bogart, E. H., & Bartolome, D.
S. (1995).
Biocybernetic system evaluates indices of
operator engagement in automated task
environments.
Biological Psychology, 40(12), 187195.
28